アレクサンドラ・ファウストは、セルビア系アメリカ人のコンピュータ科学者であり、Genesis Molecular AIの最高AI責任者を務めている。彼女は、強化学習、ロボットの動作計画、および生体分子構造のための基盤モデルへの貢献で知られている。ファウストは以前、Google DeepMindとサンディア国立研究所で研究リーダーシップの地位を歴任し、IEEEロボティクス・オートメーション部門早期キャリア賞を受賞している。
ファウストの研究は、人工知能、機械学習、深層学習に及び、スケーラブルな自律性と学習エージェントの自動設計に焦点を当てている。彼女は自動強化学習（AutoRL）の分野を共同創設し、多様な物理環境で動作可能な汎用ロボットモデルを進歩させた。最近の業績には、Webエージェントの開発を主導し、「AGIのレベル」フレームワークの共著が含まれる。
教育
ファウストは、ベオグラード大学で数学とコンピュータ科学の理学士号を取得した。その後、2004年にイリノイ大学アーバナ・シャンペーン校でコンピュータ科学の理学修士号を修了した。2014年には、ニューメキシコ大学でコンピュータ科学の博士号を取得し、博士課程の研究はリディア・タピアの指導を受けた。彼女の大学院研究はアルゴリズムロボティクスと動作計画に焦点を当て、後の学習ベースのアプローチへの基礎を築いた。
サンディア国立研究所でのキャリア
2006年から2015年まで、ファウストは米国エネルギー省の施設であるサンディア国立研究所で上級研究開発エンジニアとして勤務した。この期間、彼女は複雑なロボットシステムと自律ナビゲーションの課題に計算手法を適用した。サンディアでの彼女の仕事は、センシング、計画、制御の統合を含み、その後の強化学習と動作計画の研究に影響を与えた。この経験はまた、理論的アルゴリズムと実用的なハードウェア制約を橋渡しすることへの関心を形成した。
WaymoとGoogle Brain
2015年、ファウストはGoogle傘下の自動運転車プロジェクトであるWaymoに入社し、自動運転車の動作計画に機械学習を適用することに注力した。Waymoでの彼女の仕事は、動的な交通環境におけるリアルタイム意思決定に対処し、より安全なナビゲーションシステムの開発に貢献した。
2017年、ファウストは深層学習研究グループであるGoogle Brainに移籍した。彼女は、グループがDeepMindに統合された後、Google DeepMindの研究ディレクターに昇進した。この役割で、彼女はスケーラブルな自律性と強化学習に関する研究を主導し、学習アルゴリズムをより効率的にし、大規模システムに適用可能にすることを目指すプロジェクトを監督した。彼女のリーダーシップは、ニューラルネットワークの訓練方法とエージェントベースの学習の進歩に貢献した。
自動強化学習（AutoRL）
ファウストは、自動強化学習（AutoRL）を確立した論文を共著し、この用語は彼女の研究が生み出したとされている。AutoRLは、アーキテクチャ、報酬関数、ハイパーパラメータの選択を含む学習エージェント自体の設計を自動化し、手動調整の必要性を減らす。彼女はまた、この分野の最初のサーベイを共著し、この分野のアプローチと未解決問題を体系化した。
ファウストは2023年のAutoML会議でプログラム委員長を務め、自動機械学習を中心とした学術コミュニティの組織化に貢献した。AutoRLでの彼女の仕事は、研究者が強化学習におけるハイパーパラメータ最適化とアーキテクチャ探索に取り組む方法に影響を与え、これらの手法を非専門家にとってより利用しやすくした。
ロボティクスと動作計画
ロボティクスにおいて、ファウストは機械学習を用いてセンシング、動作計画、制御を橋渡しする手法を開発した。彼女は、サンプリングベースの計画と強化学習を組み合わせて長距離の自律ナビゲーションを可能にするPRM-RLを作成した。この業績は、主要なロボティクス会議であるICRA 2018でサービスロボティクス最優秀論文賞を受賞した。
ファウストは、各環境で再訓練することなく多様な物理空間をナビゲートできる汎用ロボットモデルの初期の提唱者であった。彼女はこの一般化の理論的基盤を確立し、学習されたポリシーが異なるロボットプラットフォームや設定間でどのように転送できるかを示した。また、計算コストの高い訓練手順を回避する、学習ベースのロボティクススタックのための自己教師あり手法も開発した。
その後、ファウストはこのアプローチをハードウェア・ソフトウェア共同設計に拡張し、センサー、計算、機械学習モデル間の依存関係を特徴付けた。この学際的な仕事は、2020年にIEEE Computer Architecture Letters最優秀論文賞の次点、2023年にIEEE Micro Top Picks Honorable Mentionを受賞した。ロボティクスへの貢献は、2020年のIEEEロボティクス・オートメーション部門早期キャリア賞で認められた。
生成AIと自律エージェント
ファウストは、ウェブ上で動作する最初の完全自律型でオープンエンドなタスクエージェントとして認められているWebエージェントの開発を主導した。これらのエージェントは、調査、予約、データ収集などの多段階タスクを人間の介入なしで実行できる。この技術はGoogle Assistantに統合され、ユーザーが複雑なオンライン活動を委任できるようにした。
高度なAIへの業界の進歩を測定するために、ファウストは「AGIのレベル」を共著した。これは、人工汎用知能への道筋を運用化するフレームワークである。このフレームワークは、狭いAIから完全なAGIまでの能力の段階を定義し、ブルームバーグ・ニュース、エコノミスト、フォーブスなどのメディアで議論されてきた。これは、AIシステムを評価する研究者や政策立案者に共通の語彙を提供する。
Genesis Molecular AIでの最高AI責任者
2025年6月、ファウストは、旧ジェネシス・セラピューティクスであるGenesis Molecular AIの最高AI責任者に任命された。同社は、AIを創薬と分子設計に適用することに焦点を当てている。2025年10月、ファウストと彼女のチームは、生体分子構造における原子配置を扱う「パール」基盤モデルの技術報告書を公開した。パールは、このタスクでAlphaFold 3を上回る性能を示した最初のモデルとされており、計算生物学における重要な進歩を表している。
この仕事は、大規模言語モデルの技術とトランスフォーマーアーキテクチャを分子問題に適用し、ファウストのスケーラブルな学習システムに関する専門知識を基盤としている。このモデルは、創薬やタンパク質工学にとって重要である分子コンフォメーションの予測精度を向上させることを目的としている。
受賞と栄誉
ファウストは、キャリアを通じて数多くの賞を受賞している。彼女は2026年にIEEEフェローに選出され、その引用はスケーラブルな学習ベースの自律性と基盤モデルにおける技術リーダーシップへの貢献を認めている。2023年には、Women in Roboticsによる「知っておくべきロボティクス分野の女性50人」リストに含まれた。
彼女の他の栄誉には、IEEE Computer Architecture Letters最優秀論文賞の次点（2020年）、IEEEロボティクス・オートメーション部門早期キャリア賞（2020年）、ICRAサービスロボティクス最優秀論文賞（2018年）が含まれる。これらの賞は、ロボティクス、機械学習、コンピュータアーキテクチャにわたる彼女の影響を反映している。
講演活動
ファウストは、AIとロボティクスのトピックに関する需要の高い講演者である。彼女は2025年にIAEAの新興技術ワークショップで基調講演を行い、World Summit AIの全体パネルに参加した。また、米国科学アカデミーのパネリストを務め、AIの安全性と展開に関する政策議論に貢献した。ファウストはまた、Society of Women Engineers WE17会議で全体講演者として15,000人の聴衆に講演し、工学分野における多様性を提唱した。
彼女の公的な活動は、AI研究の実用的応用と責任ある開発の重要性を強調している。ファウストは、国立研究所、テック企業、スタートアップでの経験を活かし、自律システムと基盤モデルが産業と社会に与える影響について頻繁に議論している。
参考文献
ファウストの業績は、学術出版物と技術報告書に文書化されている。AutoRL、PRM-RL、Webエージェントに関する彼女の研究論文は、機械学習とロボティクスコミュニティで広く引用されている。「AGIのレベル」フレームワークは、AIの進歩に関する議論の参照点となっている。パール基盤モデルに関する彼女の最近の業績は、Genesis Molecular AIの2025年10月の技術報告書に詳述されている。